« Les analystes du comportement emploient une forme systématique d’examen connue sous le nom d’analyse visuelle pour interpréter les données affichées graphiquement. »– Cooper, Heron et Heward (2007, p.149.)
Enregistrement des données pour l’analyse
Lorsque l’on exécute des interventions d’analyse comportementale appliquée, on recueille continuellement des données sur les comportements ciblés, car cela permet à ceux qui exécutent les programmes d’identifier si les interventions fonctionnent ou non.
Ces données peuvent être le pourcentage d’orthographes correctes dans un test, ou la quantité de demandes faites par un élève pour prendre une pause au travail, ou la quantité de temps qu’un élève passe hors de son siège dans une classe.
Les types de données qui peuvent être collectées sont nombreux mais le but de la collecte de données est de permettre à ceux qui dirigent les interventions de » maintenir un contact direct et continu avec le comportement étudié » (Cooper, et al. 2007, p. 127).
L’un des principaux moyens de maintenir ce » contact » avec les données est le graphique. Il y a un certain nombre de différents types de graphiques utilisés dans l’ACA, mais nous avons choisi de ne discuter que du graphique linéaire car c’est « le format graphique le plus courant pour afficher les données dans l’ACA » (Cooper, et al. 2007, p.129).
Lorsque les données sont tracées, il y a 3 propriétés qui sont utilisées pour identifier ce qui » se passe » avec les données ; ce sont la variabilité, le niveau et la tendance.
Variabilité
La variabilité des données concerne la façon dont les scores sont différents ou » écartés » les uns des autres. Prenez les deux graphiques ci-dessous qui montrent des données hypothétiques du pourcentage de notes correctes à un test d’orthographe sur 10 jours pour 2 enfants, Jane et Matt.
Les données tracées pour Jane montrent que son pourcentage d’orthographe correcte reste stable autour de 80%. Les données pour le pourcentage d’orthographe correcte de Matt changent ou « varient » fortement au cours des 10 jours et ne restent pas du tout stables.
En interprétant la variabilité des données de Jane et de Matt, vous diriez que la réponse de Jane est « stable » alors que celle de Matt serait considérée comme « variable », voire « extrêmement variable ».
En général, si les données ont une grande variabilité (par ex. les orthographes de Matt), cela suggère que les enseignants n’ont pas le contrôle de la méthode d’enseignement et que les tactiques utilisées pourraient devoir être modifiées.
Niveau
Le niveau des données se rapporte à la « position » de l’ensemble des données prises sur l’axe des ordonnées. Regardez les graphiques ci-dessous ; dans le premier graphique, si les points de données tracés tombaient dans la section supérieure, ils auraient un « niveau élevé », s’ils tombaient dans la section intermédiaire, ils auraient un « niveau modéré » et s’ils étaient dans la section inférieure, ils auraient un « niveau faible ».
Vous pourriez potentiellement séparer davantage les niveaux de données en « faible à modéré » ou « modéré à élevé » comme dans le deuxième graphique ci-dessous.
En regardant les données tracées ci-dessous par rapport à l’axe Y, le niveau dans l’ensemble de données de la phase 1 est élevé, la phase 2 est modérée et la phase 3 est faible. Une ligne moyenne ou médiane pour les données pourrait être utilisée pour mieux visualiser le niveau des données – cela peut être plus utile lorsque les données sont quelque peu variables.
Tendance
La tendance des données est la « direction » qu’elles prennent. Par exemple, dans le graphique ci-dessous, le premier ensemble de données montre une « tendance croissante » car les points de données « montent ». Le deuxième ensemble de données montre une « tendance à la baisse », car les points de données « descendent ». Enfin, le troisième ensemble de données montre une « tendance nulle » car les données ne montent pas ou ne descendent pas.
Pourquoi utiliser des graphiques ?
Les graphiques permettent d’interpréter et de comprendre beaucoup plus facilement les données car ils présentent les informations sous un format visuel. Par exemple , que pouvez-vous tirer de cet ensemble de chiffres qui ont enregistré le pourcentage d’orthographes correctes par un élève sur 14 jours de classe :
45%, 46%, 52%, 48%, 58%, 61%, 64%, 75%, 70%, 78%, 75%, 80%, 84%, 90%
Vous étiez probablement en mesure de dire que les pourcentages montraient une augmentation – mais vous avez dû lire chacun d’eux au fur et à mesure et les renvoyer les uns aux autres au fur et à mesure.
Regardez maintenant le graphique ci-dessous qui représente les mêmes pourcentages. Vous n’avez même pas besoin de prendre les valeurs de pourcentage pour reconnaître immédiatement qu’il y avait une augmentation progressive du pourcentage correct, et c’est l’une des raisons majeures pour lesquelles les représentations graphiques des données sont si utiles.
Cela ne veut pas dire que les pourcentages ne sont pas importants mais simplement que la représentation graphique des données peut augmenter la vitesse à laquelle les analyses et les interprétations peuvent être faites.
Cela est particulièrement vrai si l’on tient compte du fait qu’un enfant peut avoir un certain nombre d’interventions différentes en place dans le cadre d’un programme ABA et que chacune d’entre elles doit être continuellement analysée. Imaginez lire 30 séries de chiffres par rapport à la facilité de pouvoir simplement regarder 30 graphiques… nous savons ce que nous préférerions.
.